REFINEMENT STEP FOR PARAMETER ESTIMATION IN THE CRS METHOD

Abstract

ABSTRACT

The Common Reflection Surface (CRS) method is a powerful extension of the well established Common Midpoint (CMP) method in the sense that it is able to accept, at each trace location on the zero-offset (ZO) section to be constructed, reflection data from source and receiver pairs that are arbitrarily located around that point. The CRS method uses the general hyperbolic moveout, that depends, in the 2D situation considered in this work, on three parameters. One of these parameters is the classical NMO velocity. As in the single-parameter CMP method, the CRS parameters or attributes are estimated by a direct application of suitable coherence analysis to the input multicoverage data. The estimation of the three CRS parameters is generally performed in two steps. The first step has a global character and aims in obtaining an initial estimate of the parameters. The second step has a local character, trying to refine the previous initial values to more accurate values. Here we focus on the refinement step assuming that initial estimates have been already provided. We review and compare three of these methods and compare their performances on illustrative synthetic and real data examples. Comparisons with the application of the conventional CMP method are also provided.

Keywords :CRS; Optimization; Stacking.

RESUMO

O método da superfície comum de reflexão CRS (Common Reflection Surface) é uma extensão do tradicional método NMO (Normal Move Out). O CRS permite somar ou empilhar traços dispostos em configurações mais gerais que as de ponto médio comum CMP (Common MidPoint). Para tal propósito, o método CRS utiliza uma equação de tempo de trânsito generalizada, que depende da tradicional velocidade NMO e de outros parâmetros. Da mesma maneira que no método NMO, os parâmetros CRS são determinados a partir de uma análise de coerência nos dados de cobertura múltipla. A construção das seções simuladas de afastamento nulo requer três parâmetros no caso 2D. Este trabalho trata a estimação destes parâmetros e compara três algoritmos de otimização local aplicados ao refinamento dos parâmetros CRS. As comparações são feitas usando dados sintéticos e reais.

Keywords :CRS; otimização; empilhamento.